Efficient Implementation of Dynamic Time Warping for Motion Data

Bc. Matěj Hamala

Diplomová práce

Anotace:

S rostoucí dostupností technologií pro zachycení pohybu (MoCap) se značně zvýšila potřeba efektivního zpracovávání velkého množství MoCap dat. Jedna z klíčových výzev zpracování těchto dat spočívá ve vyhledávání založeném na podobnosti, které se obvykle realizuje pomocí algoritmu Dynamic Time Warping (DTW). Kvadratická složitost DTW však komplikuje jeho širší použití. Díky poslednímu výzkumu bylo představeno několik metod cílících na zefektivnění tohoto algoritmu. Většina z nich byla však prezentována pouze na jednoduchých, jednorozměrných datech s předpokladem, že jejich aplikace na komplexnější data, jakými jsou MoCap data, je triviální. Tato práce se zaměřuje na možnost uplatnění těchto metod na MoCap datech reprezentovaných pomocí 3D skeleton sekvencí a motion words. Běžné optimalizační techniky spolu s pokročilejšími metodami představenými v článku "Searching and Mining Trillions of Time Series Subsequences under Dynamic Time Warping" byly experimentálně otestovány. Tyto experimenty byly realizovány v rámci knihovny MESSIF na datasetu HDM05.

Abstract:

As motion capture technologies become more prevalent, the need for effective management of extensive motion data has grown significantly. One primary challenge is similarity-based searching within motion capture data, typically approached with the Dynamic Time Warping (DTW) algorithm. However, the quadratic complexity of DTW complicates its large-scale application. This issue has been widely researched, leading to various techniques aimed at enhancing its efficiency. However, most of these techniques have been demonstrated on one-dimensional data, presuming their extension to more complex data, such as motion capture data, would be trivial. This study explores the applicability of these techniques to motion capture data represented by 3D skeleton sequences and motion words. Fundamental optimization techniques, along with advanced methods introduced in the article "Searching and Mining Trillions of Time Series Subsequences under Dynamic Time Warping," are evaluated experimentally. These experiments were conducted on the HDM05 dataset within the Java-based MESSIF library.

Keywords

motion capture, dynamic time warping, motion words, 3D skeleton seqeunces, mocap, similarity search, approximate similarity search, multi-dimensional time series

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 16. 5. 2023

Obhajoba závěrečné práce

• Obhajoba proběhla 20. 6. 2023
• Vedoucí: RNDr. Petra Budíková, Ph.D.
• Oponent: Mgr. Miriama Jánošová

Masarykova univerzita

Fakulta informatiky

Magisterský studijní program / obor:
Počítačové systémy, komunikace a bezpečnost / Softwarové systémy